Effects of environmental factors and landscape features on movement patterns of Florida black bears
Notice bibliographique
Résumé
Abstract A greater understanding of how environmental factors and anthropogenic landscape features influence animal movements can inform management and potentially aid in mitigating human–wildlife conflicts. We investigated the movement patterns of 16 Florida black bears (Ursus americanus floridanus; 6 females, 10 males) in north-central Florida at multiple temporal scales using GPS data collected from 2011 to 2014. We calculated bi-hourly step-lengths and directional persistence, as well as daily and weekly observed displacements and expected displacements. We used those movement metrics as response variables in linear mixed models and tested for effects of sex, season, and landscape features. We found that step-lengths of males were generally longer than step-lengths of females, and both sexes had the shortest step-lengths during the daytime. Bears moved more slowly (shorter step-lengths) and exhibited less directed movement when near creeks, in forested wetlands, and in marsh habitats, possibly indicating foraging behavior. In urban areas, bears moved more quickly (longer step-lengths) and along more directed paths. The results were similar across all temporal scales. Major roads tended to act as a semipermeable barrier to bear movement. Males crossed major roads more frequently than females but both sexes crossed major roads much less frequently than minor roads. Our findings regarding the influence of landscape and habitat features on movement patterns of Florida black bears could be useful for planning effective wildlife corridors and understanding how future residential or commercial development and road expansions may affect animal movement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».